Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Blood Studies for Cardiovascular System I: Cardiac Biomarkers01:20

Blood Studies for Cardiovascular System I: Cardiac Biomarkers

746
Cardiac biomarkers are enzymes, proteins, and hormones released into the blood when cardiac cells are injured. They are powerful tools for triaging.
The essential diagnostic tools for detecting myocardial necrosis and monitoring individuals suspected of having acute coronary syndrome (ACS) include:
Troponins
Troponins, particularly cardiac troponins I and T, are the most precise and sensitive markers of myocardial injury. They are detectable within 4-6 hours of myocardial injury and remain...
746
Blood Studies for Cardiovascular System II: CRP, Hcy, and Cardiac Natriuretic Peptide Markers01:19

Blood Studies for Cardiovascular System II: CRP, Hcy, and Cardiac Natriuretic Peptide Markers

511
Cardiac biomarkers are critical in diagnosing, prognosing, and managing cardiovascular diseases. Routine measurement of specific biomarkers such as B-type natriuretic peptide (BNP), C-reactive protein (CRP), and homocysteine (Hcy) is common practice in clinical settings to evaluate heart function and predict cardiovascular events.
These markers indicate stress or strain on the heart muscle:
Natriuretic Peptides (BNP)
Cardiac myocytes produce these hormones in response to ventricular stretching...
511

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Diagnostic delay in early-onset Alzheimer's disease in Japan: a retrospective study.

BMC neurology·2026
Same author

Generation of spermatogonia from human and non-human primate pluripotent stem cells.

Cell stem cell·2026
Same author

Clinicogenomic Landscape of Histologic Subtypes in Ovarian Cancer: Real-World Evidence From a Japanese Nationwide Cohort.

JCO precision oncology·2026
Same author

Pressurized Gas-Driven Elemental Redistribution Enables Ultrastable PtNi Catalysts for Heavy-Duty Vehicles.

Journal of the American Chemical Society·2026
Same author

Clinical course after cardiac resynchronization therapy in transthyretin amyloid cardiomyopathy receiving disease-modifying therapy.

Heart and vessels·2026
Same author

Clinical Practice and Diagnostic Trends in Hereditary Transthyretin Amyloidosis: A 25-Year Observational Study.

Medicina (Kaunas, Lithuania)·2026

Video Experimental Relacionado

Updated: Jan 7, 2026

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies
07:20

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies

Published on: January 28, 2014

37.1K

Biomarcadores

Ken Aoshima1,2, Kotaro Sasaki1, Noriyuki Kimura3

  • 1Eisai Co., Ltd., Tokyo, Japan.

Alzheimer's & dementia : the journal of the Alzheimer's Association
|December 25, 2025
PubMed
Resumen

Los modelos de aprendizaje automático predicen una carga elevada de amiloide cerebral en personas con deterioro cognitivo leve (DCL) utilizando datos de estilo de vida y sensores portátiles. Este método de cribado no invasivo ayuda en la investigación de la enfermedad de Alzheimer y en entornos clínicos.

Palabras clave:
BiomarcadoresEnfermedad de AlzheimerDeterioro cognitivo leveAprendizaje automáticoCarga de amiloideSensores portátilesEstilo de vidaCribado no invasivo

Más Videos Relacionados

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances
07:35

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

7.9K
Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans
08:14

Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans

Published on: April 28, 2023

699

Videos de Experimentos Relacionados

Last Updated: Jan 7, 2026

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies
07:20

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies

Published on: January 28, 2014

37.1K
Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances
07:35

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

7.9K
Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans
08:14

Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans

Published on: April 28, 2023

699

Área de la Ciencia:

  • Neurología; Inteligencia Artificial; Descubrimiento de Biomarcadores

Sus antecedentes:

  • Identificar a las personas con carga elevada de amiloide cerebral es crucial para los ensayos clínicos de la enfermedad de Alzheimer (EA) y la atención al paciente.
  • Los métodos de cribado actuales pueden ser costosos y engorrosos para los pacientes.
  • El desarrollo de herramientas de cribado no invasivas y rentables es una prioridad en la investigación de la EA.

Objetivo del estudio:

  • Desarrollar y validar modelos de aprendizaje automático para predecir la carga elevada de amiloide cerebral.
  • Evaluar la eficacia de los factores de estilo de vida y los datos de sensores portátiles en la predicción de la carga de amiloide.
  • Proporcionar una herramienta de cribado no invasivo para personas con riesgo de EA.

Principales métodos:

  • Estudio de cohorte prospectivo (cohorte USUKI) con datos de 118 personas con deterioro cognitivo leve (DCL) o quejas subjetivas de memoria.
  • Desarrollo de tres modelos de aprendizaje automático: máquina de vectores de soporte kernel, Elastic Net y regresión logística.
  • Se utilizaron factores de estilo de vida medidos objetivamente, características demográficas y datos de sensores portátiles.

Principales resultados:

  • El modelo Elastic Net que incorpora factores de estilo de vida, datos demográficos y sensores portátiles logró un área bajo la curva característica operativa del receptor de 0.79.
  • Los modelos que utilizan únicamente factores de estilo de vida tuvieron un área media bajo la curva de 0.70.
  • Veintidós variables se identificaron consistentemente en todos los modelos de aprendizaje automático desarrollados.

Conclusiones:

  • Los modelos de aprendizaje automático predicen eficazmente la carga elevada de amiloide cerebral en pacientes con DCL.
  • Los modelos aprovechan variables fácilmente disponibles y no invasivas, lo que reduce la necesidad de visitas al hospital.
  • Este enfoque ofrece una herramienta prometedora para la detección temprana y la estratificación del riesgo en la enfermedad de Alzheimer.